Constructeurs de jeux de données
Crawlspace est un bot qui explore des pages pour constituer un jeu de données susceptible d'être réutilisé ou partagé avec des tiers. Crawlspace est une plateforme d'exploration du web qui récupère et extrait le contenu des sites pour les agents IA, les applications RAG et les flux de données structurées. Il est documenté comme respectant le fichier robots.txt, mais aucune liste de plages d'IP ni convention de DNS inverse n'est publiée. Il est donc impossible de prouver qu'une requête portant ce user agent est authentique.
La requête annonce
"Crawlspace"
Comparé à
Rien de publié
Vérification en direct
Aucune vérification par l'opérateur n'existe pour Crawlspace. Vous verrez tout de même ce qu'est réellement l'adresse.
Référence
| User agent | CrawlspaceJeton seul : recherchez la sous-chaîne. |
|---|---|
| Opérateur | Crawlspace |
| Finalité | Constructeurs de jeux de données |
| Respecte robots.txt | Respectesource |
| Méthode de vérification | Déclaration uniquementRien de publié, user agent uniquement Aucun fichier de plages IP ni aucune convention de DNS inverse n'a été publié pour cet agent. La chaîne user agent est le seul indice, et n'importe quel client peut l'envoyer : considérez donc une correspondance comme une simple déclaration, et non comme une preuve. |
| Comportement d'exploration | Non publié |
| Jetons robots.txt | Crawlspace |
| Documentation de l'opérateur | Aucune publiée |
Crawlspace est une plateforme d'exploration du web qui récupère et extrait le contenu des sites pour les agents IA, les applications RAG et les flux de données structurées.
robots.txt
Placez l'un de ces fichiers à la racine de votre domaine. Les règles s'appliquent jeton par jeton.
User-agent: Crawlspace
Disallow: /User-agent: Crawlspace
Allow: /User-agent: Crawlspace
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchModifiez les chemins Disallow pour qu'ils correspondent à vos propres URL.
Bloquer Crawlspace exclut vos pages des jeux de données qu'il constituera lors de ses prochaines explorations. Cela ne supprime pas les données collectées auparavant. L'usage et le partage des données varient selon les opérateurs : consultez leur politique.
Générer un fichier pour tous les robotsFAQ
Crawlspace est un bot qui explore des pages pour constituer un jeu de données susceptible d'être réutilisé ou partagé avec des tiers. Crawlspace est une plateforme d'exploration du web qui récupère et extrait le contenu des sites pour les agents IA, les applications RAG et les flux de données structurées. Il est documenté comme respectant le fichier robots.txt, mais aucune liste de plages d'IP ni convention de DNS inverse n'est publiée. Il est donc impossible de prouver qu'une requête portant ce user agent est authentique.
Oui. L'opérateur indique que Crawlspace lit le fichier robots.txt et respecte les règles Disallow visant son propre jeton. Les règles s'appliquent lors de la prochaine récupération du fichier, ce qui peut prendre plusieurs heures ou plusieurs jours après leur publication.
Ce n'est pas possible, du moins pas à partir de la requête elle-même. Aucun fichier de plages IP ni aucune convention de DNS inverse n'a été publié pour cet agent. La chaîne user agent est le seul indice, et n'importe quel client peut l'envoyer : considérez donc une correspondance comme une simple déclaration, et non comme une preuve. Comparez plutôt l'IP source aux plages d'hébergeurs et de datacenters, et limitez le débit de tout trafic qui se comporte comme un crawler.
Ajoutez le jeton Crawlspace au fichier robots.txt avec Disallow: /. Si le crawler ignore robots.txt, filtrez le user agent au niveau de votre CDN ou de votre proxy inverse et renvoyez une erreur 403.
Bloquer Crawlspace exclut vos pages des jeux de données qu'il constituera lors de ses prochaines explorations. Cela ne supprime pas les données collectées auparavant. L'usage et le partage des données varient selon les opérateurs : consultez leur politique.